[发明专利]电站小样本及无失效数据部件失效率的可靠性评估方法

权利要求书

1.一种电站小样本及无失效数据部件失效率的可靠性评估方法，其特征在于：该方法包括如下步骤：

a)判断可用失效事件数据数量是否大于等于n，当判断结果为否时进入步骤b)，否则根据双参数威布尔分布确定电站部件的失效率；

b)判断可用失效事件数据数量是否大于0，当判断结果为否时进入步骤c)，否则利用bayes方法计算部件失效率；

c)判断是否存在通用失效率，当判断结果为否时进入步骤d)，否则利用电站运行数据对通用失效率进行修正；

d)利用减函数方法计算部件失效率。

2.根据权利要求1所述的电站小样本及无失效数据部件失效率的可靠性评估方法，其特征在于：在步骤a)中当失效事件数据数量大于等于n时，则利用双参数威布尔分布模型计算部件失效率函数、故障分布函数、可靠度函数的点估计：

λ(t)=βtβ-1αβ,t≥0]]>F(t)=1-exp[-tβα],t≥0]]>R(t)=exp[-tβα],t≥0.]]>

3.根据权利要求1所述的电站小样本及无失效数据部件失效率的可靠性评估方法，其特征在于：在步骤b)中当失效事件数据数量大于0时，

试验(r，T)似然函数：

λ取共轭型先验：f₀(λ)＝Γ(λ/r₀，T₀)

后验：f₀(λ/r，T)＝Γ(λ/r₀+r，T₀+T)

失效率单侧置信上限：

4.根据权利要求1所述的电站小样本及无失效数据部件失效率的可靠性评估方法，其特征在于：在步骤c)中当存在通用失效率时，将通用失效率作为较保守的上限λ₀，部件的寿命服从指数分布，有n个产品进行定时截尾试验，截尾时间段[0，t_i]，没有部件失效，则无失效时的修正似然函数为：

C为常数

按Jeffreys准则，λ的先验分布取πλ∝λ-1，0＜λ＜λ₀，在平方损失下的bayes估计为：